ਟਾਈਗਰ ਐਲਜਬਰਾ ਕੈਲਕ੍ਯੁਲੇਟਰ

ਜਾਣ ਪਛਾਣ:

ਅਕੜਾਂ ਦਾ ਵਿਗਿਆਨ ਡਾਟਾ ਦਾ ਇਕੱਠਾ ਕਰਨ, ਵਿਸ਼ਲੇਸ਼ਣ, ਅਰਥ ਨਿਸ਼ਚਿਤ ਕਰਨ ਅਤੇ ਪੇਸ਼ ਕਰਨ ਨਾਲ ਸੰਬੰਧਿਤ ਹੁੰਦਾ ਹੈ। ਅਕੜਾਂ ਅਕਸਰ ਆਬਾਦੀਆਂ ਨਾਲ ਸੰਬੰਧਿਤ ਹੁੰਦਾ ਹੈ, ਜਿਸਨੂੰ ਵਿਅਕਤੀਆਂ, ਚੀਜ਼ਾਂ ਜਾਂ ਵਸਤੂਆਂ ਦੀਆਂ ਸਮੂਹਾਂ ਵਜੋਂ ਸੋਚਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਆਬਾਦੀ ਬਾਰੇ ਜਾਣਕਾਰੀ ਹਾਸਲ ਕਰਨ ਲਈ, ਅਸੀਂ ਇੱਕ ਛੋਟਾ ਨਮੂਨਾ ਚੁਣ ਸਕਦੇ ਹਾਂ, ਜੋ ਅਕਸਰ ਸਬਸੇਟ ਦੇ ਰੂਪ ਵਿਚ ਰੇਫਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਜੋ ਪੂਰੀਆਂ ਆਬਾਦੀ ਦੀ ਪ੍ਰਤੀਨਿਧੀ ਹੋਵੇ। ਨਮੂਨਾ ਆਬਾਦੀ ਦੀ ਕਿੰਨੀ ਪ੍ਰਤੀਨਿਧੀਤਾ ਹੈ, ਡਾਟਾ ਉਤਨਾ ਹੀ ਸਹੀ ਹੁੰਦਾ ਹੈ।

ਉਦਾਹਰਣ ਸਵੇਰੇ, ਜੇ ਤੁਸੀਂ ਆਪਣੇ ਸਕੂਲ ਦਾ ਕੁਲ ਗ੍ਰੇਡ ਪੁਆਇਂਟ ਔਸਟ ਸ਼ਾਹ ਗਣਨਾ ਕਰ ਰਹੇ ਹੋ, ਤੁਸੀਂ ਪੁਰੇ ਵਿਦਿਆਰਥੀ ਸਰੀਰ ਦੀ ਬਜਾਏ ਹਰ ਗ੍ਰੇਡ ਜਾਂ ਕਲਾਸ ਤੋਂ ਕੁਝ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਚੁਣ ਸਕਦੇ ਹੋ। ਨਮੂਨਾ ਤੋਂ ਇਕੱਤਾ ਕੀਤਾ ਡਾਟਾ ਵਿਦਿਆਰਥੀਆਂ ਦਾ ਗ੍ਰੇਡ ਪੁਆਇਂਟ ਔਸਟ ਸ਼ਾਹ ਹੋਵੇਗਾ, ਆਬਾਦੀ ਤੁਹਾਡੇ ਸਕੂਲ ਵਿਚ ਸਾਰੇ ਵਿਦਿਆਰਥੀ ਹੋਣਗੇ, ਅਤੇ ਨਮੂਨਾ ਚੁਣੇ ਗਏ ਵਿਦਿਆਰਥੀ ਹੋਣਗੇ।

ਨਮੂਨਾ ਵੇਰੀਏਂਸ ਫਾਰਮੂਲਾ:

ਸਬੰਧਤ ਅੰਤਰਧਾਨੀ ਪਾੜਬਾਂਹ:

• ਔਸਤ: ਸੇਟ ਵਿਚ ਸਾਰੇ ਨੰਬਰਾਂ ਦਾ ਔਸਤ। ਔਸਤ ਖੋਜਣ ਲਈ, ਸਾਰੇ ਨੰਬਰਾਂ ਨੂੰ ਜੋੜੋ ਫਿਰ ਨਤੀਜੇ ਨੂੰ ਸੇਟ ਵਿਚ ਅਸਲੀਆਤਾਂ ਦੀ ਗਿਣਤੀ ਨਾਲ ਵੰਡੋ। ਔਸਤ ਨੂੰ ਕਦੀ ਕਦੀ ਗਣਿਤੀ ਔਸਤਵੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।
• ਮਧ੍ਯ ਮੁੱਲ: ਇੱਕ ਤੱਰਤੀਬਬੱਧ ਨਾਮਾਂ ਦਾ ਮਧਿਆ ਅਵਧੀ। ਇੱਕ ਸੇਟ ਵਿਚ ਬਰਾਬਰ ਅੱਖਰਾਂ ਨਾਲ, ਮਧ੍ਯ ਮੁੱਲ ਦੋ ਕੇਂਦਰੀ ਅੱਖਰਾਂ ਦੇ ਔਸਤ ਨਾਲ ਬਰਾਬਰ ਹੁੰਦਾ ਹੈ।
• ਰੇਂਜ: ਸੇਟ ਵਿਚ ਸਭ ਤੋਂ ਛੋਟੀ ਅਤੇ ਵੱਡੀ ਮੁੱਲਾਂ ਵਿਚ ਅੰਤਰ। ਸੇਟ ਵਿਚ ਸਭ ਤੋਂ ਛੋਟੇ ਨੰਬਰ ਨੂੰ ਸੇਟ ਵਿਚ ਸਭ ਤੋਂ ਵੱਡੇ ਨੰਬਰ ਤੋਂ ਘਟਾਓ।
• ਵੇਰੀਏਂਸ: ਇੱਕ ਸੇਟ ਵਿਚ ਹਰ ਨੰਬਰ ਕਿੰਨੇ ਦੂਰ ਹੈ ਔਸਤਤੋਂ ਅਤੇ ਇਸ ਕਾਰਨ ਸੇਟ ਵਿਚ ਹਰ ਅੱਗੇ ਨੰਬਰ ਤੋਂ। ਵੇਰੀਏਂਸ ਵੱਧ ਹੋਵੇਗਾ, ਸੇਟ ਵਿਚ ਨੰਬਰ ਔਸਤ ਅਤੇ ਹਰੇਕ ਦੂਜੇ ਤੋਂ ਹੋਰ ਦੂਰ ਹੁੰਦੇ ਹਨ। ਨਮੂਨੇ ਦਾ ਵੇਰੀਏਂਸ ਅਕਸਰ $$s^2$$ ਵਿਚ ਪ੍ਰਸਤੁਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਕਿ ਆਬਾਦੀ ਦਾ ਵੇਰੀਏਂਸ ਅਕਸਰ $${\sigma }^2$$ ਵਿਚ ਪ੍ਰਸਤੁਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਅੰਕੜਾਂ ਵਿਚ, ਇਹ ਜ਼ਿਆਦਾ ਆਮ ਹੁੰਦਾ ਹੈ ਕਿ ਨਮੂਨਾ ਲਈ ਵੇਰੀਏਂਸ ਖੋਜਿਆ ਜਾਵੇ। ਵੇਰੀਏਂਸ ਨੂੰ ਗਣਨਾ ਕਰਨ ਲਈ, ਡਾਟਾ ਸੇਟ ਵਿਚ ਹਰ ਨੰਬਰ ਅਤੇ ਔਸਤ ਵਿਚ ਅੰਤਰ ਨੂੰ ਵਰਗ ਬਣਾ ਕੇ ਇਹਨਾਂ ਨੂੰ ਸੱਜਾ ਬਣਾਉਣਾ, ਇਹਨਾਂ ਨੂੰ ਆਪਸ ਵਿਚ ਜੋੜ ਦੇਣਾ ਤਾਂ ਕਿ ਉਨ੍ਹਾਂ ਦਾ ਯੋਗ ਮਿਲ ਜਾਵੇ, ਅਤੇ ਅੰਤ ਵਿਚ ਪੂਰੇ ਡਾਟਾ ਸੇਟ ਡਾਟਾ ਨੂੰ ਡਾਟਾ ਸੇਟ ਵਿਚ ਮੌਜੂਦ ਮੁੱਲਾਂ ਦੀ ਗਿਣਤੀ ਤੋਂ ਘਟਾ ਕੰਪਾ ਦੀ ਗਿਣਤੀ ਨਾਲ ਵੰਡਣਾ। ਸਾਡੇ ਕੋਲ ਇੱਕ ਨਮੂਨਾ ਦੀ ਬਜਾਏ ਪੂਰੀ ਆਬਾਦੀ ਤੋਂ ਪ੍ਰਾਪਤ ਹੋਏ ਬਿਆਸ ਨੂੰ ਸੋਧਣ ਲਈ ਅਸੀਂ ਡਾਟਾ ਸੇਟ ਵਿਚ ਮੌਜੂਦ ਮੁੱਲਾਂ ਦੀ ਗਿਣਤੀ ਤੋਂ 1 ਘਟਾ ਦਿੰਦਿਆਂ ਹਾਂ। ਇਸਨੂੰ ਬੇਸਲ ਦੀ ਸੁਧਾਈ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।
• ਮਾਨਕ ਵਿਚਲਨ: ਡਾਟਾਸੇਟ ਦਾ ਫੈਲਾਓ, ਜਾਂ ਸਪ੍ਰੇਡ, ਉਸਦੇ ਔਸਤ ਨਾਲ ਸਬੰਧਿਤ ਹੁੰਦਾ ਹੈ। ਜਦੋਂ ਵੇਰੀਏਂਸ ਸਾਡੇ ਨੂੰ ਸਪ੍ਰੇਡ ਦੀ ਰੁਘਰੁਘ ਸੂਚਨਾ ਦਿੰਦੀ ਹੈ, ਤਾਂ ਮਾਨਕ ਵਿਚਲਨ ਸਾਡੇ ਨੂੰ ਸੇਟ ਵਿਚ ਪਦਾਰਥਾਂ ਅਤੇ ਸੇਟ ਦੇ ਔਸਤ ਵਿਚ ਪੱਖੇ ਦੂਰੀਆਂ ਦੇ ਠੀਕ ਨਾਪ ਦਿੰਦਾ ਹੈ। ਜੇ ਡਾਟਾ ਪੁਆਇਂਟ ਔਸਤ ਤੋਂ ਹੋਰ ਵਿਚਲਨ ਹੈ, ਤਾਂ ਡਾਟਾ ਸੇਟ ਵਿਚ ਹੋਰ ਡਿਵੀਏਸ਼ਨ ਹੁੰਦਾ ਹੈ; ਇਸ ਕਾਰਨ, ਡਾਟਾ ਜਿੱਤਾਂ ਹੋਰ ਫੈਲ ਗਿਆ, ਮਾਨਕ ਵਿਚਲਨ ਉੱਤੇ ਹੁੰਦਾ ਹੈ। ਮਾਨਕ ਵਿਚਲਨ ਵੇਰੀਏਂਸ ਦੀ ਵਰਗਮੂਲ ਦੇ ਬਰਾਬਰ ਹੁੰਦਾ ਹੈ।